视频中图像的噪声估计方法、及视频降噪方法技术

视频中图像的噪声估计方法、及视频降噪方法，所述视频中图像的噪声估计方法包括：对于视频中相邻的帧图像，舍弃掉属于运动区域的块，得到变换后的当前帧图像I

【技术实现步骤摘要】
视频中图像的噪声估计方法、及视频降噪方法


[0001]本专利技术涉及图像处理
，特别是涉及一种视频中图像的噪声估计方法、及视频降噪方法。

技术介绍

[0002]在图像去噪、视频降噪等研究中，如何准确快速的对当前图像的噪声水平做出估计是一个重要课题。一个良好的噪声水平估计可以很好的为图像去噪算法提供助力。
[0003]事实上，很多图像去噪算法中就包含了噪声估计的内容。在大量的图像去噪算法研究论文中，研究者通常都以简单的“高斯噪声添加到干净图像作为噪声图像“来作为图像去噪的研究对象，并使用已知噪声强度水平作为阈值参考和去噪强度自适应的参数。这就导致了一个弊端：噪声模型(以高斯噪声为主)简单，对于噪声估计与实际严重不符。
[0004]现在已有的对视频中图像进行噪声估计的方法有以下几种：1)对单张噪声图像进行去噪来作为无噪图像，然后噪声图像和去噪图像相减，用其差值来估计噪声水平；2)有些方法利用了前后帧做噪声估计，对差分图像划分区域，来统计噪声水平；3)不同于前两种方法，而是将图像变换到其他变换域，比如小波变换或是傅里叶变换，通过数学计算和经验统计来对噪声水平加以估计；4)有些算法利用噪声水平函数的估计，建立一个过完备字典，选取光滑图像块的方差利用稀疏表示的方法来进行噪声估计；5)还有一些新技术利用多层感知机(MLP，MultiLayer Perceptron，也叫人工神经网络)和深度学习来估计噪声水平。
[0005]上述视频去噪中利用单张图像去噪后差分的方法(即第2种方法)的弊端有以下几点：第一，去噪图像一般不够干净，导致噪声估计不准确；第二假设去噪图像干净，那么再进行噪声估计意义不大。
[0006]其余有些算法也有着噪声模型简单的问题。很多噪声估计算法，把噪声视为加性高斯噪声，这与实际噪声模型相去甚远。事实上，噪声从形态上分类即可分为高斯噪声、椒盐噪声、泊松噪声、固定形态噪声等等多种噪声；从与像素的相关性分析，像泊松噪声等更是和像素的灰度值息息相关。因此，不加区分的使用加性高斯模型很明显是不够合理的。
[0007]对于一些变换域的噪声估计方法，比如先进行小波变换然后利用中值除以0.6745作为噪声水平的估计方法，实际使用上基本要配合相关统计得到的参数来使用，这就需要额外的对其他图像进行统计，实际并不合理。
[0008]此外还需要指出的一点是，很多噪声估计是针对经过多种图像处理的真彩图像。在实际工业应用中，对于未被图像处理的bayer格式的Raw数据处理是更为合理的。Raw数据最大程度上保留了噪声的真实大小和真实形态，同时没有经过各类图像处理环节导致的失真。

技术实现思路

[0009]本专利技术解决的技术问题是：在进行噪声估计时，对于多种类型的噪声混合的情形，如何更准确的表征出噪声水平，同时又不会因多种噪声类型的讨论而使算法复杂化。
[0010]为了解决上述技术问题，本专利技术实施例提供一种视频中图像的噪声估计方法，包括：
[0011]对于视频中相邻的帧图像，舍弃掉属于运动区域的块，得到变换后的当前帧图像I
cur1
和变换后的差分图像I
dif1
；
[0012]根据变换后的当前帧图像I
cur1
和变换后的差分图像I
dif1
，计算得出亮度关于噪声水平的函数关系式；
[0013]对变换后的当前帧图像I
cur1
做自适应邻域选区，确定入选像素；
[0014]对于各个块，分别计算所述对应像素在差分图像I
dif
中的均值，以该均值作为噪声水平。
[0015]可选的，所述对于视频中相邻的帧图像，舍弃掉属于运动区域的块包括：
[0016]采用视频中相邻的帧图像，来生成差分图像I
dif
；
[0017]将差分图像I
dif
划分为M
×
N个块；
[0018]根据当前帧图像I
cur
，来分别计算各个块的各个亮度值lum
cur
；
[0019]根据参考帧图像I
ref
，来分别计算各个块的各个亮度值lum
ref
；
[0020]根据当前帧图像I
cur
，来计算阈值函数τ；
[0021]根据lum
cur
、lum
ref
和τ，来分别判断各个块是否属于运动区域；
[0022]将当前帧图像I
cur
中属于运动区域的块置0，得到变换后的当前帧图像I
cur1
；
[0023]将差分图像I
dif
中属于运动区域的块置0，得到变换后的差分图像I
dif1
。
[0024]可选的，所述采用视频中相邻的帧图像，来生成差分图像I
dif
具体采用如下公式：
[0025]I
dif
＝I
cur-I
ref
[0026]其中，I
cur
表示当前帧图像，I
ref
表示参考帧图像，I
dif
表示差分图像。
[0027]可选的，所述根据当前帧图像I
cur
，来分别计算各个块的各个亮度值lum
cur
[0028]包括：
[0029]采用卷积核Ker1，计算公式为：
[0030]Lum＝conv(I
cur
,Ker1)/100
[0031]其中，Lum表示当前帧图像I
cur
的中心像素利用卷积核计算出的亮度，Ker1是卷积核，conv()表示卷积操作。
[0032]可选的，所述根据当前帧图像I
cur
，来计算阈值函数τ包括：
[0033]根据当前帧图像I
cur
，来分别计算各个块内所有像素的均值，得到M
×
N个均值；
[0034]基于M
×
N个均值，来计算n
min
和n
mid
；
[0035]根据n
min
和n
mid
来计算阈值函数τ；
[0036]τ＝nmin+k
×
nmid
[0037]其中，k为常数，τ为阈值函数。
[0038]可选的，k为0.073或者是其它经验数。
[0039]可选的，所述根据lum
cur
、lum
ref
和τ，来分别判断各个块是否属于运动区域包括：若该块的lum
cur
与lum
ref
之间的差值大于τ，则该块属于运动区域。
[0040]可选的，所述根据变换后的当前帧图像I
cur1
和变换后的差分图像I
dif1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频中图像的噪声估计方法，其特征在于，包括：对于视频中相邻的帧图像，舍弃掉属于运动区域的块，得到变换后的当前帧图像I
cur1
和变换后的差分图像I
dif1
；根据变换后的当前帧图像I
cur1
和变换后的差分图像I
dif1
，计算得出亮度关于噪声水平的函数关系式；对变换后的当前帧图像I
cur1
做自适应邻域选区，确定入选像素；对于各个块，分别计算所述对应像素在差分图像I
dif
中的均值，以该均值作为噪声水平。2.如权利要求1所述的视频中图像的噪声估计方法，其特征在于，所述对于视频中相邻的帧图像，舍弃掉属于运动区域的块包括：采用视频中相邻的帧图像，来生成差分图像I
dif
；将差分图像I
dif
划分为M
×
N个块；根据当前帧图像I
cur
，来分别计算各个块的各个亮度值lum
cur
；根据参考帧图像I
ref
，来分别计算各个块的各个亮度值lum
ref
；根据当前帧图像I
cur
，来计算阈值函数τ；根据lum
cur
、lum
ref
和τ，来分别判断各个块是否属于运动区域；将当前帧图像I
cur
中属于运动区域的块置0，得到变换后的当前帧图像I
cur1
；将差分图像I
dif
中属于运动区域的块置0，得到变换后的差分图像I
dif1
。3.如权利要求2所述的视频中图像的噪声估计方法，其特征在于，所述采用视频中相邻的帧图像，来生成差分图像I
dif
具体采用如下公式：I
dif
＝I
cur-I
ref
其中，I
cur
表示当前帧图像，I
ref
表示参考帧图像，I
dif
表示差分图像。4.如权利要求2所述的视频中图像的噪声估计方法，其特征在于，所述根据当前帧图像I
cur
，来分别计算各个块的各个亮度值lum
cur
包括：采用卷积核Ker1，计算公式为：Lum＝conv(I
cur
,Ker1)/100其中，Lum表示当前帧图像I
cur
的中心像素利用卷积核计算出的亮度，Ker1是卷积核，conv()表示卷积操作。5.如权利要求2所述的视频中图像的噪声估计方法，其特征在于，所述根据当前帧图像I
cur
，来计算阈值函数τ包括：根据当前帧图像I
cur
，来分别计算各个块内所有像素的均值，得到M
×
N个均值；基于M
×
N个均值，来计算n
min
和n
mid
；根据n
min
和n
mid
来计算阈值函数τ；τ＝nmin+k
×
nmid其中，k为常数，τ为阈值函数。6.如权利要求5所述的视频中图像的噪声估计方法，其特征在于，k为0.073或者是其它经验数。7.如权利要求2所述的视频中图像的噪声估计方法，其特征在于，所述根据lum
cur
、lum
ref
和τ，来分别判断各个块是否属于运动区域包括：若该块的lum
cur
与lum
ref
之间的差值
大于τ，则该块属于运动区域。8.如权利要求1所述的视频中图像的噪声估计方法，其特征在于，所述根据变换后的当前帧图像I
cur1
和变换后的差分图像I
...

【专利技术属性】
技术研发人员：舒顺朋，达声蔚，
申请(专利权)人：上海齐感电子信息科技有限公司，
类型：发明
国别省市：